Python实现动态曲线绘制与MES累计误差分析

追风的人

发布时间：2026-10-13| 3人浏览过

原创

本文详解如何利用Python绘制动态曲线，从TXT文件读取数据并实时显示。重点介绍MES（累计误差）曲线的概念及其在人脸关键点检测中的应用，通过计算预测点与标记点的欧氏距离，进行归一化处理并绘制CDF图，展示两点间差异的累计分布情况。

Python动态曲线绘制基础实现

首先，从TXT文件中获取数据，并通过动态曲线的方式将其显示出来。


import numpy as np 
import matplotlib.pyplot as plt 
import matplotlib.animation as animation 
import time 
# Fixing random state for reproducibility 
np.random.seed(196) 
path = "feed.txt" 
file = open(path, 'r') 
data = []
for line in file.readlines(): 
 lineArr = line.strip().split() 
 data.append(int(lineArr[0])) 
xdata = np.arange(0,len(data))
#初始数据绘图 
dis = np.zeros(40) 
dis2 = dis 
fig, ax = plt.subplots() 
line, = ax.plot(dis) 
ax.set_ylim(0, 100) 
plt.grid(True) 
ax.set_ylabel("distance: m") 
ax.set_xlabel("time") 
 
def update(frame): 
 global dis 
 global dis2 
 global line 
 #读入模拟 
 a = frame 
 time.sleep(np.random.rand()/10) 
 #绘图数据生成 
 dis[0:-1] = dis2[1:] 
 dis[-1] = a 
 dis2 = dis 
 #绘图
 line.set_ydata(dis) 
 #颜色设置 
 plt.setp(line, 'color', 'b', 'linewidth', 2.0) 
 return line 
ani = animation.FuncAnimation(fig, update,frames=data, interval=10) 
plt.show()

运行上述代码后的输出效果如下：

接下来进行补充拓展，介绍如何使用Python绘制MES曲线。

MES曲线全称为累计误差曲线，通常用于评估生成的关键点与标定关键点之间的差异情况。这里的差异主要指两点之间的欧氏距离。

设标记点的坐标为 p_g(x,y)。

设预测点的坐标为 p_t(x,y)。

通过函数 dist(p_g,p_t) 可以计算这两点之间的欧氏距离。

MES累计误差曲线与关键点检测应用


def dist(point1,point2):
 return ((point1[0] - point2[0]) ** 2 + (point1[1] - point2[1]) ** 2) ** 0.5

在人脸关键点检测场景中，将 dist() 计算出的距离除以双眼间的距离进行归一化处理。随后，将归一化后的值追加到MSE列表中，调用 drawCDFSingle(MSE) 函数即可生成并查看累计误差曲线。


def drawCDFSingle(MSE):
 plotDataset = [[], []]
 plt.grid()
 plt.xlabel("pixel error")
 plt.ylabel("Fraction of number of landmarks")
 plt.title('CDF')
 for i in range(len(MSE[0])):
  sumnum = 0
  mse_point = [x[i] for x in MSE]
  mse_point.sort()
  plotDataset[0]=[]
  plotDataset[1]=[]
  for t in range(len(mse_point)):
   plotDataset[0].append(float(t+1)/len(mse_point))
   # sumnum=sumnum+float(mse_point[t])
   plotDataset[1].append(float(mse_point[t]))
  plt.plot(plotDataset[1],plotDataset[0] , color[i%len(color)]+linestyle[i%len(linestyle)], linewidth=2, label=i)
 plt.legend() # make legend
 plt.show()